高中数学第一章统计案例1_2回归分析一学案新人教B版选修1-2

高中数学人教版选修1-2全套教案第一章统计案例第一课时 1.1回归分析的基本思想及其初步应用（一）教学目标1、知识与技能目标 认识随机误差；2、过程与方法目标（1）会使用函数计算器求回归方程； （2）能正确理解回归方程的预报结果. 3、情感、态度、价值观通过本节课的学习，加强数学与现实生活的联系，以科学的态度评价两个变量的相关性，理解处理问题的方法，形成严谨的治学态度和锲而不舍的求学精神.培养学生运用所学知识，解决实际问题的能力.教学中适当地利用学生合作与交流，使学生在学习的同时，体会与他人合作的重要性.教学重点：了解线性回归模型与函数模型的差异，了解判断刻画模型拟合效果的方法－相关指数和残差分析. 教学难点：解释残差变量的含义，了解偏差平方和分解的思想. 教学过程： 一、复习准备：1. 提问：“名师出高徒”这句彦语的意思是什么？有名气的老师就一定能教出厉害的学生吗？这两者之间是否有关？2. 复习：函数关系是一种确定性关系，而相关关系是一种非确定性关系. 回归分析是对具有相关关系的两个变量进行统计分析的一种常用方法，其步骤：收集数据→作散点图→求回归直线方程→利用方程进行预报. 二、讲授新课： 1. 教学例题：① 例1 从某大学中随机选取8名女大学生，其身高和体重数据如下表所示： 编 号 1 2 3 4 5 6 7 8 身高/cm165165 157 170 175 165 155 170 体重/kg 4857505464614359求根据一名女大学生的身高预报她的体重的回归方程，并预报一名身高为172cm 的女大学生的体重. （分析思路→教师演示→学生整理）第一步：作散点图第二步：求回归方程 第三步：代值计算010203040506070150155160165170175180身高/cm体重/k g② 提问：身高为172cm 的女大学生的体重一定是60.316kg 吗？ 不一定，但一般可以认为她的体重在60.316kg 左右. ③ 解释线性回归模型与一次函数的不同事实上，观察上述散点图，我们可以发现女大学生的体重y 和身高x 之间的关系并不能用一次函数y bx a =+来严格刻画（因为所有的样本点不共线，所以线性模型只能近似地刻画身高和体重的关系）. 在数据表中身高为165cm 的3名女大学生的体重分别为48kg 、57kg 和61kg ，如果能用一次函数来描述体重与身高的关系，那么身高为165cm 的3名女在学生的体重应相同. 这就说明体重不仅受身高的影响还受其他因素的影响，把这种影响的结果e （即残差变量或随机变量）引入到线性函数模型中，得到线性回归模型y bx a e =++，其中残差变量e 中包含体重不能由身高的线性函数解释的所有部分. 当残差变量恒等于0时，线性回归模型就变成一次函数模型. 因此，一次函数模型是线性回归模型的特殊形式，线性回归模型是一次函数模型的一般形式.2. 相关系数：相关系数的绝对值越接近于1，两个变量的线性相关关系越强，它们的散点图越接近一条直线，这时用线性回归模型拟合这组数据就越好，此时建立的线性回归模型是有意义.3. 小结：求线性回归方程的步骤、线性回归模型与一次函数的不同.第二课时 1.1回归分析的基本思想及其初步应用（二）教学目标：1知识与技能：会建立回归模型，进而学习相关指数（相关系数r 、总偏差平方和、随机误差的效应即残差、残差平方和、回归平方和、相关指数R2、残差分析） 2过程与方法：通过学习会求上述的相关指数3情感态度价值观：从实际问题发现已有知识不足，激发好奇心、求知欲。

高中数学学习材料唐玲出品回归分析的基本思想及其初步应用（二）班级： 姓名：_____________1．在判断两个变量y 与x 是否相关时，选择了4个不同的模型，它们的相关指数R 2分别为：模型1的相关指数R 2为0.98，模型2的相关指数R 2为0.80，模型3的相关指数R 2为0.50，模型4的相关指数R 2为0.25.其中拟合效果最好的模型是( )．A ．模型1B ．模型2C ．模型3D ．模型42．若一组观测值(x 1，y 1)，(x 2，y 2)，…，(x n ，y n )之间满足y i ＝bx i ＋a ＋e i (i ＝1,2，…，n )，且e i 恒为0，则R 2为________．3． 已知回归方程35.0log 21.1ˆ2-=x y，则样本点P （4，2．71）的残差为________________。

4． 已知线性相关的两变量x ，y 的三个样本点A （0，0），B （1，3），C （4，11），若用直线AB 作为其预测模型，则点C 的残差是________。

5． 若一组观测值（x 1，y 1）、（x 2，y 2）、…、（x n ，y n ）之间满足y i =bx i +a +e i (i =1、2. …n)若e i 恒为0，则R 2为6． 已知线性相关的两变量x ，y 的三个样本点A （0，0），B （1，3），C （4，11），若用直线AB 作为其预测模型，则其相关指数=2R ________。

7． 现有一个由身高预测体重的回归方程：体重预测值＝4（磅/英寸）×身高－130（磅）。

其中体重和身高分别以磅和英寸为单位，已知1英寸≈2．5 cm ，1磅≈0．45 kg ，则该回归方程应该是______________。

8．某运动员训练次数与成绩之间的数据关系如下：次数x 30 33 35 37 39 44 46 50 成绩y3034373942464851(1)作出散点图； (2)求出回归方程；(3)作出残差图；(4)计算相关指数R2；(5)试预测该运动员训练47次及55次的成绩．。

1.1回归分析的基本思想及其初步应用教学设计一．教学目标设计： (1).知识与技能：通过典型案例的探究，进一步了解回归分析的基本思想、方法及初步应用 (2).过程与方法：通过本课程德尔学习，使学生了解回归分析的基本思想、方法及初步应用 (3).情感,态度与价值观：充分利用图形的直观性，简捷巧妙的解题 二．教学重点设计：了解线性回归模型与函数模型的差异，了解判断刻画模型拟合效果的方法－相关指数和残差分析. 三，教学难点设计：解释残差变量的含义，了解偏差平方和分解的思想. 四．教学过程设计： （一）、复习探究：设计例1，既复习了以前的知识，又做好了前后知识的衔接，承上启下。

再通过三个思考设问，引出新课。

（二）、讲授新课：1. 通过散点图，让学生直观感受线性回归模型与一次函数的不同。

2. 通过散点图，让学生体会预报身高与实际身高的关系，进而得到线性回归模型y bx a e =++，引出残差变量e 。

求根据女大学生的身高预报体重的回归方程，并预报身高为172cm的女大学生的体重。

例1. 从某大学中随机选取8名女大学生，其身高和体重如下：3. 作残差分析。

（1）介绍残差的概念和计算方法。

（2）作残差图，使学生了解，通过残差图可以直观的观测出两变量相关性的强弱。

同时感受残差图的优势和不足。

顺势引出相关系数2R4. 相关系数2R（1）介绍相关系数2R的计算公式（2）解释相关系数2R的意义及与r的关系。

5. 例题的设计通过例题的讲述，是学生掌握：（1）样本数据的中心点与回归直线的位置关系（2）回顾模型的建立方法。

（3）回归分析的思想和方法，用残差图与相关系数判断拟合效果的方法和步骤。

6. 归纳出回顾模型的建立方法（三）、课堂小结设计：由学生归纳出本节课的知识点和思想方法。

新课程标准数学选修1—2第一章课后习题解答第一章统计案例1．1回归分析的基本思想及其初步应用练习（P8）1、画散点图的目的是通过变量的散点图判断两个变量更近似于什么样的函数关系，以确定是否直接用线性回归模型来拟合原始数据.说明：学生在对常用的函数图象比较了解的情况下，通过观察散点图可以判断两个变量的关系更近似于哪种函数.2、分析残差可以帮助我们解决以下两个问题：（1）寻找异常点，就是残差特别大的点，考察相应的样本数据是否有错.（2）分析残差图可以发现模型选择是否合适.说明：分析残差是回归诊断的一部分，可以帮助我们发现样本数据中的错误，分析模型选择是否合适，是否有其他变量需要加入到模型中，模型的假设是否正确等. 本题只要求学生能回答上面两点即可，主要让学生体会残差和残差图可以用于判断模型的拟合效果.3、（1）解释变量和预报变量的关系式线性函数关系.R=.（2）21说明：如果所有的样本点都在一条直线上，建立的线性回归模型一定是该直线，所以每个=+，没有随机误差项，是严样本点的残差均为0，残差平方和也为0，即此时的模型为y bx aR=.格的一次函数关系. 通过计算可得21习题1.1 （P9）1、（1）由表中数据制作的散点图如下：从散点图中可以看出GDP值与年份近似呈线性关系.y表示GDP值，t表示年份. 根据截距和斜率的最小二乘计算公式，得（2）用tˆ14292537.729a≈-，ˆ7191.969b≈从而得线性回归方程ˆ7191.96914292537.729=-.y t残差计算结果见下表.GDP 值与年份线性拟合残差表（年实际GDP 值为117251.9，所以预报与实际相差4275.540-.（4）上面建立的回归方程的20.974R =，说明年份能够解释约97％的GDP 值变化，因此所建立的模型能够很好地刻画GDP 和年份的关系.说明：关于2003年的GDP 值的来源，不同的渠道可能会有所不同.2、说明：本题的结果与具体的数据有关，所以答案不唯一.3、由表中数据得散点图如下：从散点图中可以看出，震级x 与大于或等于该震级的地震数N 之间不呈线性相关关系，随着x 的减少，所考察的地震数N 近似地以指数形式增长. 做变换lg y N =，得到的数据如下表所示.x 和y 的散点图如下：从这个散点图中可以看出x 和y 之间有很强的线性相关性，因此可以用线性回归模型拟合它们之间的关系. 根据截距和斜率的最小二乘计算公式，得ˆ 6.704a≈，ˆ0.741b ≈-， 故线性回归方程为 ˆ0.741 6.704y x =-+. 20.997R ≈，说明x 可以解释y 的99.7％的变化.因此，可以用回归方程 0.741 6.704ˆ10x N-+= 描述x 和N 之间的关系. 1．2独立性检验的基本思想及其初步应用练习（P15）列联表的条形图如图所示.由图及表直观判断，好像“成绩优秀与班级有关系”. 因为2K 的观测值0.653 6.635k ≈<，由教科书中表1-11克重，在犯错误的概率不超过0.01的前提下，不能认为“成绩与班级有关系”.说明：（1）教师应要求学生画出等高条形图后，从图形上判断两个分类变量之间是否有关系. 这里通过图形的直观感觉的结果可能会出错.（2）本题与例题不同，本题计算得到的2K 的观测值比较小，所以没有理由说明“成绩优秀与班级有关系”. 这与反证法也有类似的地方，在使用反证法证明结论时，假设结论不成立的条件下如果没有推出矛盾，并不能说明结论成立也不能说明结论不成立. 在独立性检验中，没有推出小概率事件发生类似于反证法中没有推出矛盾.习题1.2 （P16）1、假设“服药与患病之间没有关系”，则2K 的值应该比较小；如果2K 的值很大，则说明很可能“服药与患病之间没有关系”. 由列联表中数据可得2K 的观测值 6.110 5.024k ≈>，而由教科书表1-11，得2( 5.024)0.025P K ≥≈，所以在犯错误的概率不超过0.025的前提下可以认为“服药与患病之间有关系”. 又因为服药群体中患病的频率0.182小于没有服药群体中患病的频率0.400，所以“服药与患病之间关系”可以解释为药物对于疾病有预防作用. 因此在犯错误的概率不超过0.025的前提下，可以认为药物有效.说明：仿照例1，学生很容易完成此题，但希望学生能理解独立性检验在这里的具体含义，即“服药与患病之间关系”可以解释为“药物对于疾病有预防作用”.2、如果“性别与读营养说明之间没有关系”，由题目中所给数据计算，得2K 的观测值为8.416k ≈，而由教科书中表1-11知2(7.879)0.005P K ≥≈，所以在犯错误的概率不超过0.005的前提下认为“性别与读营养说明之间有关系”.3、说明：需要收集数据，所有没有统一答案. 第一步，要求学生收集并整理数据后得到列联表；第二步，类似上面的习题做出判断.4、说明：需要从媒体上收集数据，学生关心的问题不同，收集的数据会不同. 第一步，要求学生收集并整理数据后得到列联表；第二步，类似上面的习题做出判断.第一章 复习参考题A 组（P19）根据散点图，可以认为中国人口总数与年份呈现很强的线性相关关系，因此选用线性回归模型建立回归方程.由最小二乘法的计算公式，得 2095141.503a ≈-，1110.903b ≈，则线性回归方程为 ˆ1110.9032095141.503yx =-. 由2R 的计算公式，得 20.994R ≈，明线性回归模型对数据的拟合效果很好.根据回归方程，，预计2003年末中国人口总数约为129997万人，而实际情况为129227万人，预测误差为770万人；预计2004年末中国人口总数约为131108万人，而实际情况为129988万人，预测误差为1120万人.说明：数据来源为《中国统计年鉴》（2003）. 由于人数为整数，所以预测的数据经过四舍五入的取整运算.2、（1）将销售总额作为横轴，利润作为纵轴，根据表中数据绘制散点图如下：由于散点图中的样本点基本上在一个带形区域内分布，猜想销售总额与利润之间呈现线性相关关系.（2）由最小二乘法的计算公式，得 ˆ1334.5a≈，ˆ0.026b ≈， 则线性回归方程为 ˆ0.0261334.5yx =+ 其残差值计算结果见下表：（3）对于（2）中所建立的线性回归方程，20.457R ≈，说明在线性回归模型中销售总额只能解释利润变化的46％，所以线性回归模型不能很好地刻画销售总额和利润之间的关系. 说明：此题也可以建立对数模型或二次回归模型等，只要计算和分析合理，就算正确.3、由所给数据计算得2K 的观测值为 3.689k ≈，而由教科书中表1-11知2( 2.706)0.10P K ≥=所以在犯错误的概率不超过0.10的前提下认为“婴儿的性别与出生的时间有关系”.第一章 复习参考题B 组（P19）1、因为 21(,)()ni i i Q a b y a bx ==--∑21(()())n i i i y bx y bx a y bx ==--+--+∑ 2211()()n n i i i i y bx y bx a y bx ===--++-+∑∑12()()ni i i y bx y bx a y bx =---+-+∑ 并且221()()n i a y bx n a y bx =-+=-+∑，12()()n i i i y bx y bx a y bx =--+-+∑ 1()(())ni i i a y bx y bx ny nbx ==-+--+∑ ()()0a y b x n y n b xn y n b x=-+--+= 所以 221(,)()()ni i i Q a b y bx y bx n a y bx ==--++-+∑.考察上面的等式，等号右边的求和号中不包含a ，而另外一项非负，所以ˆa和ˆb 必然使得等号右边的最后一项达到最小值，即 ˆˆ0ay bx -+=， 即ˆˆy a bx =+. 2、总偏差平方和21()n i i y y =-∑表示总的效应，即因变量的变化效应；残差平方和21ˆ()ni i y y =-∑表示随机误差的效应，即随机误差的变化效应；回归平方和21ˆ()ni yy =-∑表示表示变量的效应，即自变量的变化效应. 等式 222111ˆˆ()()()n n n i ii i i y y y y y y ===-=-+-∑∑∑ 表示因变量的变化总效应等于随机误差的变化效应与自变量的变化效应之和.3、说明：该题主要是考察学生应用回归分析模型解决实际问题的能力，解答应该包括如何获取数据，如何根据散点图寻找合适的模型去拟合数据，以及所得结果的解释三方面的内容.。

高二数学选修1-2第一章《统计案例》学案1.1.1 回归分析的基本思想及其初步应用课标转述：①通过对典型案例（如“人的体重与身高的关系”等）的探究，了解回归的基本思想、方法及初步应用 ②通过对现行案例（如“质量控制”“新药是否有效”等）的探究，了解实际推断原理和假设检验的基本思想、方法及初步应用。

③通过对典型案例（如“昆虫分类”等）的探究，了解聚类分析的基本思想、方法及初步应用。

④通过对典型案例（如“肺癌与吸烟有关吗”等）的探究，了解独立性检验的基本思想、方法及初步应用。

学习目标：通过典型案例的探究，进一步了解回归分析的基本思想、方法及初步应用.学习重、难点：了解线性回归模型与函数模型的差异，了解判断刻画模型拟合效果的方法－相关指数和残差分析. 学习过程： 一、复习准备：1. 提问：“名师出高徒”这句彦语的意思是什么？有名气的老师就一定能教出厉害的学生吗？这两者之间是否有关？2. {⎧⎨⎩确定关系两个变量间的关系相关不确定关系不相关复习：函数关系是一种确定性关系，而相关关系是一种非确定性关系. 回归分析是对具有相关关系的两个变量进行统计分析的一种常用方法，其步骤： → → →3.最小二乘法：线性回归模型ˆy bx a=+，其中 ˆb=ˆa=二、学习新知： 1.例题分析：① 例1 从某大学中随机选取8名女大学生，其身高和体重数据如下表所示：. 解:由于问题中要求根据身高预报体重,因此选取身高为自变量x,体重为因变量y,做散点图: y40150 155 160 165 170 175 180 x由图可知，样本点呈条状分布，身高和体重有比较好的线性相关关系，可以用线性回归模型ˆy bx a=+来刻画。

由最小二乘法计算：121()()ˆ()niii nii x x y y b x x ==--=-∑∑，ˆa y bx =-其中1111,n ni ii i x x y y n n ====∑∑经计算得：ˆ0.849,85.712ba==- 于是得线性回归方程得：0.84985.712y x =-所以，对于身高为172cm 得女大学生，由回归方程可以预报其体重为ˆ0.84917285.71260.316()ykg =⨯-=0.849b =得意义是什么？②身高为172cm的女大学生的体重一定是60.316kg吗？如果不是，你能解释以下原因么？2.随机误差和残差⑴引入线性回归模型：Y=bx+a+e解释变量x ，预报变量y，随机误差 e产生随机误差的项e的原因是什么？练习反馈研究某灌溉渠道水的流速y与水深x之间的关系，测得一组数据如下：水深xm 1.40 1.50 1.60 1.70 1.80 1.90 2.00 2.101.70 1.79 1.88 1.952.03 2.10 2.16 2.21流速ym/s（1）求y对x的回归直线方程；（2）预测水深为1.95m 时水的流速是多少？三、课后小结：四、课后作业：p9 习题1.1 第1题高二数学选修1-2第一章《统计案例》学案1.1.2 回归分析的基本思想及其初步应用课标转述：①通过对典型案例（如“肺癌与吸烟有关吗”等）的探究，了解独立性检验的基本思想、方法及初步应用。

1.1回归分析的基本思想及其初步应用教学目标：(1).知识与技能：通过典型案例的探究，进一步了解回归分析的基本思想、方法及初步应用。

(2).过程与方法：了解回归分析的基本思想、方法及初步应用。

了解在解决实际问题的过程中寻找更好的模型的方法，了解可用残差分析的方法，比较两种模型的拟合效果.(3).情感,态度与价值观：充分利用图形的直观性，简捷巧妙的解题 教学重点：了解线性回归模型与函数模型的差异，了解判断刻画模型拟合效果的方法－相关指数和残差分析.教学难点：解释残差变量的含义，了解偏差平方和分解的思想.教学方法:讲解法,引导法一、复习准备：1、复习：函数关系是一种确定性关系，而相关关系是一种非确定性关系. 回归分析是对具有相关关系的两个变量进行统计分析的一种常用方法，其步骤：收集数据→作散点图→求回归直线方程→利用方程进行预报.2例题：① 例1 从某大学中随机选取8名女大学生，其身高和体重数据如下表所示：编 号 12 3 4 5 6 7 8 身高/cm165165 157 170 175 165 155 170 体重/kg4857 50 54 64 61 43 59 求根据一名女大学生的身高预报她的体重的回归方程，并预报一名身高为172cm 的女大学生的体重.（分析思路→教师演示→学生整理）② 提问：身高为172cm 的女大学生的体重一定是60.316kg 吗？不一定，但一般可以认为她的体重在60.316kg 左右.二、新课探究1、真实值和预测值之间有误差的，造成这个误差的原因是什么？2、随机误差和残差y y e -=3、残差分析：①残差图：分布在带状区域，可以检验某些样本点是否合理②相关指数R 2=1- ∑∑==--ni i n i i i y yy y 1212)()( R 2越接近1，拟合效果越好 三、课堂总结：用回归方程探究线性回归问题的方法、步骤、残差分析。

四、作业: 五、板书设计1.1回归分析的基本思想及其初步应用复习线性回归分析的步骤：1 例1234新课残差分析 5课后反思:。